Зачем мы это построили
Большинство “прибыльных” торговых стратегий из блогов не переживают честной проверки: переподгонка, ошибка выжившего, подглядывание в будущее. Мы захотели платформу, которая проверяет идеи так, как это делают фонды, - и построили её сами, на стеке, который знаем лучше всего.
Это наш собственный проект - поэтому здесь нет NDA-ограничений, и мы можем показать всё: цифры, скриншоты, архитектурные решения и даже провалы.
Почему 1С - и почему это сработало
Неожиданный выбор для квант-платформы? Смотрите, что получилось: конфигурация из 104 объектов, ноль форм - 1С работает как headless-бэкенд с HTTP-сервисами, а весь интерфейс - Telegram и API.
Главное архитектурное решение - configuration-as-data: методы API живут не в коде конфигурации, а в справочнике. Сейчас их 86 в 19 категориях - от загрузки котировок до запуска сессий стратегий, и добавление нового метода не требует правки конфигурации вообще.
Данные, которым можно верить
В аналитических регистрах - около 39 млн записей, все из бесплатных источников (yfinance, Stooq, SEC EDGAR, FRED) через собственный ETL с автопереключением между источниками:
| Слой | Объём |
|---|---|
| Дневные котировки OHLCV | 16 921 596 (1996-2026) |
| Сырые котировки для честного total return | 15 382 482 |
| Фундаментальные показатели SEC EDGAR, point-in-time | 2 830 167 |
| Обнаруженные паттерны (16 типов) | 2 419 453 |
| Факторные Z-оценки | 1 219 781 |
Ключевое слово - “честные”: исторические составы индексов на каждую дату (в бэктесте нет компаний, “доживших” до сегодня задним числом), фундаменталка привязана к дате публикации отчёта, а не к отчётному периоду, дивиденды и сплиты сверяются автотестом с точностью 0,1 % годовых.
Валидация: система, которая не врёт
Кандидат стратегии считается рабочим, только если проходит семь последовательных статистических проверок на 30-летнем walk-forward разбиении - включая Deflated Sharpe Ratio с поправкой на количество перепробованных вариантов.
Честный результат: из 231 факторного кандидата в 7 когортах гейт не прошёл никто - включая стратегии с красивым Sharpe 1.49 на обучающей выборке. Каждый отказ записан с машинно-читаемой причиной; в базе - 1 120 кандидатов, 686 бэктестов и 822 отчёта валидации, весь исследовательский след воспроизводим.
Почему “ноль прошедших” - это фича: платформа однажды поймала собственную лучшую стратегию на приукрашивании. После исправления ошибки выжившего в секторных данных её Sharpe честно сдулся с 0.77 до 0.49. Инструмент, который не льстит владельцу, - редкость на рынке, где продаются “сигналы с доходностью 300 %”.
Единственный выживший класс - гибридная momentum-reversion стратегия с адаптацией под режимы рынка: Sharpe 1.21 на кризисе 2007-2010, просадка −20 % на 28-летнем окне против −57 % у S&P 500 в 2008-м.
LLM-агент и человек в контуре
Интерфейс платформы - Telegram-бот с LLM-агентом (Claude) и 11 инструментами: показать составы индексов, запустить бэктест, разобрать результаты, запомнить факты о пользователе между сессиями.
А в брокерском контуре - принцип human-in-the-loop: ни один ордер не уходит брокеру без явного подтверждения человеком. Сигнал превращается в сообщение с кнопками [✅ Approve | ❌ Reject], и только после нажатия ордер маршрутизируется адаптеру (Paper / Interactive Brokers / TraderNet). Каждый вечер - автоматическая сверка позиций с брокером, расхождения - алертом.
Инженерная культура
- 236/236 автотестов (pytest) - зелёные;
- 18 ADR - каждое архитектурное решение задокументировано с контекстом и альтернативами;
- ежедневный конвейер по расписанию: загрузка данных, разметка паттернов, снапшоты сигналов, план-факт прогнозов - всё отчитывается в Telegram;
- ~40 тыс. строк прикладного кода: Python + 1С + PowerShell.
Что это значит для вашего проекта
StratLab - наглядный ответ на вопрос “а можно ли поверх 1С построить современную систему с AI”: можно, без переписывания ядра и без снятия с поддержки. Если вашему бизнесу нужен LLM-агент поверх учётной системы, аналитическая платформа на ваших данных или интеграция 1С с Python-стеком - мы делаем это не в теории: см. AI-направление, обмены и интеграции.
Отдельный сюжет - что ИИ-агенты умеют не в песочнице, а в чужом продуктиве: мы дали четырём из них одинаковое задание оптимизировать боевую обработку 1С и сравнили результаты по замерам, а не по ощущениям. Разбор - на Инфостарте.
Дисклеймер: StratLab - исследовательская платформа; всё, что она формирует, - статистические наблюдения, а не инвестиционные рекомендации.